cvar_cost_map — DRIVE `roverslip` op

• Datenarten: image2d × scalar × any → table

• Aufruf: import fullseye as fs; fs.ledger.cvar_cost_map(dtm, cell: 'float', model, alpha: 'float' = 0.9, speed: 'float' = 0.05, s_max: 'float' = 0.9, soil_map=None, extrapolate: 'bool' = False) -> 'dict' (die Implementierung direkt: import roverslip; roverslip.cvar_cost_map(dtm, cell: 'float', model, alpha: 'float' = 0.9, speed: 'float' = 0.05, s_max: 'float' = 0.9, soil_map=None, extrapolate: 'bool' = False) -> 'dict'; aus dem Register: opsdrive.get("cvar_cost_map"))

Verwendung

Erstellt aus einem digitalen Geländemodell (DTM) die Fahrzeit [s] jeder Kante der 8er-Nachbarschaft, abgezinst mit dem CVaR_α des Schlupfs bei der Kantenneigung (vorzeichenbehaftet nach Fahrtrichtung).

dtm (H, W) [m], cell [m]. Für die Kante (i, j) → Nachbar k: Neigung θ = atan2(Δz, 水平距離), pessimistischer Schlupf ρ = CVaR_α(s(θ)) (θ ≥ 0) / CVaR_α(−s(θ)) (θ < 0), benötigte Zeit L / (v (1 − ρ)), L ist die 3-D-Kantenlänge. ρ ≥ s_max und außerhalb des Bereichs inf. Bei extrapolate = False (Standard) sind auch Kanten mit Neigungen außerhalb des Winkelbereichs der Daten, an die das Modell angepasst wurde, (x_range) inf (unbekannte Hänge werden nicht befahren) — ein Gaußprozess kehrt außerhalb der Daten zum Prior-Mittelwert zurück, daher antwortet er bei Extrapolation, je steiler der Hang, desto "weniger Schlupf" (Falle des Gates). Bei alpha = 0 mittlerer Schlupf (risikoneutral). model ist entweder ein einzelnes oder, zusammen mit soil_map (H, W, ganze Zahlen 0..K−1), eine list von K. Rückgabe {"cost": (8, H, W), "risk_slip": (8, H, W), "pitch": (8, H, W) [deg], "offsets": (8, 2), "worst_slip": (H, W) 8 方向の ρ の最大, "alpha", "cell"}. Querneigung (Umkippen, seitliches Rutschen) ist nicht enthalten.

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_rover_slip_risk_path — py -3.11 examples/poc_rover_slip_risk_path.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

Gleiche Kategorie (`roverslip`)

bekker_pressure · bekker_wheel_sinkage · wheel_forces · wheel_sinkage · wheel_traction_curve · slope_slip_curve · ground_shift_track · odometry_slip

*Provenance: roverslip.py — DRIVE Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

cvar_cost_map — DRIVE roverslip op